地球观测（EO）为气候行动和可持续增长提供重要数据。
得益于新型卫星、先进传感器以及来自支持GPS设备和物联网（IoT）设备的数据，地球观测数据的规模呈指数级增长。
目前生成的地球观测数据量已超出分析能力。
运用人工智能可以帮助解读这些数据，提供可行的洞察和商业案例。
地球观测（EO）通过卫星、飞机和地面传感器，数十年来为政府和企业提供了丰富的数据流，助力其开展气候行动并确保可持续增长。其用途包括建立早期预警系统、探测甲烷泄漏和非法采矿，以及跟踪植树造林和适应措施的成效。
得益于新型卫星和先进传感器，过去十年间，商业可用地球观测数据的规模和质量呈指数级提升。仅地球观测卫星每天就能提供数百TB的数据每天——且仍在增长——而来自支持GPS设备和物联网（IoT）设备的数据，使所产生的数据规模远超当前的分析能力。
引入人工智能（AI）。
人工智能与低成本、高性能计算相结合，有望为地球观测数据带来大语言模型（LLM）为文本所带来的变革，相关内容见德勤合作编写的最新简报文件，《人工智能对地球观测的催化潜力》。该文件表明，这使地球观测更易于理解和使用，并产生深远影响：
回答复杂问题。人工智能的能力使更多数据能够被快速、准确地处理，从而将海量原始地球观测测量数据转化为可行的洞察。
为非专业用户提供直观的用户界面。正如ChatGPT使大语言模型得到普及，更直观的用户界面（UI）的开发将使业务用户（而不仅是数据科学家）能够访问和使用人工智能赋能的地球观测洞察。
推动商业模式创新。随着人工智能使地球观测更易获取，各行业和部门的组织都能扩大其应用规模，同时颠覆商业型及以可持续发展为重点的商业模式。
通过将一致、客观的测量融入气候正向行动和环境信息披露中，人工智能将为迈向净零经济的行动提供更多信任与透明度。
人工智能在地球观测中的部分用例包括：融合不同数据集，以实现更全面的态势分析；为人工智能/机器学习（ML）系统创建训练数据；识别成因（如甲烷排放源，包括垃圾填埋场、农场或管道）；预测气旋和洪水等事件；以及利用大型时间序列数据集监测变化。
该简报文件为论坛推进地球观测工作提供了重要洞察，该工作支持各组织为自然正向和净零经济做出贡献、设定基于科学的脱碳目标，并了解其对自然的依赖和影响。
以下是一些关键洞察：
基础模型
展望未来，人工智能与先进计算的融合将极大提升地球观测数据的可发现性和可用性。例如，新型基础模型可加速对海量地球观测数据进行“按需”分析。由于基础模型基于广泛的数据集进行训练，它们可以跨多种下游任务使用，从而无需为每个用例开发新模型。这将降低成本，因为单一模型即可支持多个下游应用。
一项早期应用帮助一个记者团队发现了亚马逊地区的非法采矿活动。若要构建定制的深度学习模型，可能需要数月时间，但借助基础模型，数据集的组装仅需数天，整理则只需数毫秒。
面向非专业人士的用户界面
借助更易用的用户界面，新手用户将能够探索和试验现有的地球数据。反过来，对地球观测能力及其可解答问题的更多认识，将使非专业用户能够将地球观测洞察应用于其所在行业的用例中。
麻省理工学院（MIT）媒体实验室的两项计划——地球指挥控制（Earth Mission Control）和气候口袋（Climate Pocket）——提供了此类增强的用户界面和用户体验。它们分析复杂的地球观测数据集，将其转化为具有吸引力的数据可视化内容，并提供可行的洞察。
这为行业、政策制定者和社区的知情决策提供了重要工具。
新型商业模式
正如生成式人工智能和大语言模型如今正被定制并融入商业模式，用于地球观测的人工智能可提供一系列应用，例如监测偏远基础设施、评估气候风险以及自适应管理供应链。
地球观测洞察能够转变核心职能和决策流程。例如，一家电力公司可以将其电力基础设施的卫星影像与变电站和输电线路等部件的地理标记数据相结合。随后，该公司可将其分布式系统的状态和健康状况相关洞察整合到其工作流程中。这些洞察可使组织的员工做出及时且具有成本效益的决策，以指导预防性维护。
伦理考量
人工智能模型需要适当的治理和保障措施，以避免产生负面影响。例如，在农民不知情的情况下获取的农场影像，可能为代价高昂的监管措施或保险费用提供依据，从而对这些农民产生负面影响。人工智能模型中的偏见可能导致对所有地区和人群而言既不公平也不包容的结果。
遵循2021年由联合国教科文组织（UNESCO）全部193个成员国签署的《人工智能伦理问题建议书》，在地球观测人工智能的研究和应用中纳入人类参与的环节，是将伦理判断融入其中的基本步骤。决策不应仅以地球数据的人工智能模型为依据，还应考虑模型结果和建议的经济、文化和社会影响。
重点关注治理、标准、开源解决方案和商业模式创新，将确保人工智能在地球观测领域以全球规模实现公平应用。除了开辟跨行业和部门价值创造的新领域外，这还将确保地球的可持续未来。
